Key points are not available for this paper at this time.
Desenvolvemos uma primeira linha de ataque para resolver problemas de estilo competição de programação a partir de exemplos de entrada-saída usando aprendizado profundo. A abordagem consiste em treinar uma rede neural para prever propriedades do programa que gerou as saídas a partir das entradas. Usamos as previsões da rede neural para aumentar técnicas de busca da comunidade de linguagens de programação, incluindo busca enumerativa e um solucionador baseado em SMT. Empiricamente, mostramos que nossa abordagem resulta em um aumento de velocidade de uma ordem de magnitude em relação às fortes referências não aumentadas e a uma abordagem de Rede Neural Recorrente, e que somos capazes de resolver problemas de dificuldade comparável aos problemas mais simples em sites de competições de programação.
Balog et al. (Mon,) estudaram essa questão.